下载文档原格式
实验二大气校正实验原理概念：消除遥感图像中由大气散射和吸收引起的辐射误差的处理过程。
遥感所利用的各种辐射能均要与地球大气层发生相互作用-或散射、或吸收，而使能量衰减，并使光谱分布发生变化。
大气的衰减作用对不同波长的光是有选择性的，因而大气对不同波段的图像的影像是不同的。
另外，太阳-目标-遥感器之间的几何关系不同，则所穿越的大气路径长度不同，使图像中不同地区地物的像元灰度值所受大气影响程度不同，且同一地物的像元灰度值在不同获取时间所受大气影响程度也不同。
消除这些大气影响的处理，称为大气校正。
即使遥感系统工作正常，获取的数据仍然带有辐射误差。
两种最重要的环境衰减是1）由大气散射和吸收引起的大气衰减；2）地形衰减。
然而，在所有的遥感应用中都进行大气校正可能没有必要。
是否进行大气校正，取决于问题本身、可以得到的遥感数据的类型取的历史与当前实测大气信息的数量和从遥感数据中提取生物物理信息所要求的精度。
实验过程（1）打开数据Envi中打开实验数据，本次实验数据采用的是2009年7月20日其中打开MTL文件可查询信息，其中SUN_ELEV ATION = 60.8111752图1 打开数据（2）辐射定标打开Radiometric correction →radiometric Calabriation，选择多光谱数据，然后在Radiometric Calibration面板中，设置以下参数：①定标类型（Calibration Type）：辐射率数据Radiance②单击Apply FLAASH Settings按钮，自动设置FLAASH大气校正工具需要的数据类型，包括储存顺序（Interleave）：BIL或者BIP；数据类型（Data Type）：Float；辐射率数据单位调整系数（Scale Factor）：0.1。
③设置输出路径和单位名，单击OK执行辐射定标图2 参数设置结果显示如下图，其中可以查看信息发现数据发生改变；图3 定标结果（3）FLAASH大气校正在Toolbox中打开FLAASH工具：/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction。
大气校正新方法全文共四篇示例，供读者参考第一篇示例：大气校正是遥感图像处理中至关重要的一步，它可以消除大气和云层等因素对图像的影响，使得遥感图像更加清晰和准确。
传统的大气校正方法主要是基于辐射传输模型，但是这些方法往往需要大量的参数和计算，且在实际应用中存在一定的局限性。
近年来，随着深度学习等技术的发展，一些新的大气校正方法也被提出，取得了一定的突破与进展。
一种新的大气校正方法是基于卷积神经网络（CNN）的深度学习方法。
在这种方法中，CNN可以学习到图像中的大气扰动模式，从而实现自动的大气校正。
这种方法不需要复杂的辐射传输模型，而是直接从数据中学习大气校正的规律，因此更加简单和高效。
随着深度学习技术的不断进步，这种方法在大气校正的效果上也逐渐得到了提升，成为了一种很有潜力的大气校正方法。
另一种新的大气校正方法是基于光学压缩成像（OCI）的技术。
OCI 是一种利用金属光栅的亚波长结构实现高空间频率成像的技术，可以在不同波长的图像之间进行线性变换，从而实现对大气干扰的校正。
这种方法不仅能够准确地去除大气扰动，还可以提高图像的空间分辨率，进一步提高遥感图像的质量。
除了以上所述的方法，还有一些其他新的大气校正方法值得关注。
比如基于深度学习与光学压缩成像相结合的方法，可以将两种技术的优势相结合，实现更加精准和高效的大气校正；基于超分辨率技术的大气校正方法，可以通过对图像进行超分辨率处理，进一步提高遥感图像的质量和分辨率。
随着科学技术的不断进步，大气校正方法也在不断创新和发展。
新的大气校正方法不仅可以更加高效地去除大气扰动，还可以提高遥感图像的质量和分辨率，为遥感图像处理和应用提供了更加丰富和多样的选择。
希望未来能够有更多的研究者投入到大气校正方法的研究中，为遥感技术的发展贡献一份力量。
【这里可以根据实际情况适当增加细节和案例分析，使文章更加丰富和具体】。
第二篇示例：大气校正是遥感影像处理的一个重要环节，可以有效减少大气因素对影像质量的影响，提高遥感数据的可用性。
ENVI下的大气校正大气校正大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：l大气校正概述lENVI中的大气校正功能1大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1.jpg图1 大气层对成像的影响示意图很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。
这些校正方法按照校正后的结果可以分为2种：l绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
l相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：l基于辐射传输模型wMORTRAN模型wLOWTRAN模型wATCOR模型w6S模型等l基于简化辐射传输模型的黑暗像元法l基于统计学模型的反射率反演；相对大气校正常见的是：l基于统计的不变目标法l直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
大气校正大气校正是定量遥感中重要的组成部分。
本专题包括以下内容：∙ ∙ ●大气校正概述∙ ∙ ●ENVI中的大气校正功能1大气校正概述大气校正的目的是消除大气和光照等因素对地物反射的影响，广义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等物质对地物反射的影响，消除大气分子和气溶胶散射的影响。
大多数情况下，大气校正同时也是反演地物真实反射率的过程。
图1.jpg图1 大气层对成像的影响示意图很多人会有疑问，什么情况下需要做大气校正，我们购买或者其他途径获取的影像是否做过大气校正。
通俗来讲，如果我们需要定量反演或者获取地球信息、精确识别地物等，需要使用影像上真实反映对太阳光的辐射情况，那么就需要做大气校正。
我们购买的影像，说明文档中会注明是经过辐射校正的，其实这个辐射校正指的是粗的辐射校正，只是做了系统大气校正，就跟系统几何校正的意义是一样的。
目前，遥感图像的大气校正方法很多。
这些校正方法按照校正后的结果可以分为2种：∙∙●绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。
∙∙●相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。
常见的绝对大气校正方法有：●基于辐射传输模型∙ ∙♦MORTRAN模型∙ ∙♦LOWTRAN模型∙ ∙♦ATCOR模型∙ ∙♦6S模型等●基于简化辐射传输模型的黑暗像元法●基于统计学模型的反射率反演；相对大气校正常见的是：●基于统计的不变目标法●直方图匹配法等。
既然有怎么多的方法，那么又存在方法选择问题。
这里有一个总结供参考：1、如果是精细定量研究，那么选择基于基于辐射传输模型的大气校正方法。
2、如果是做动态监测，那么可选择相对大气校正或者较简单的方法。
3、如果参数缺少，没办法了只能选择较简单的方法了。
辐射定标和大气校正操作辐射定标和大气校正是遥感图像处理中非常重要的环节，它们能够有效地消除大气干扰和地物表面反射率差异等因素对遥感图像的影响，从而得到更为精确的遥感信息。
本文将分别介绍辐射定标和大气校正的基本原理、方法和应用，并探讨它们在遥感图像处理中的重要作用。
一、辐射定标1.基本原理辐射定标是指通过对遥感仪器的响应进行准确的实验测定和模型估计，将数字遥感数据中的像元值转换为表观辐射亮度。
在遥感图像处理中，辐射定标是将数字数值转换为真实物理量的过程，包括辐射定标系数的获取和数据的辐射定标转换。
2.方法辐射定标的方法主要包括实地观测、辐射反演法和模型估算法。
其中，实地观测是指通过在地面上设置观测站点，利用辐射仪器对地表进行测量，获取地面真实辐射亮度，以此来建立数字值和真实辐射亮度之间的关系。
辐射反演法是指通过大气传输模型和辐射传输方程来估算大气对遥感数据的影响，并进一步进行辐射定标。
模型估算法是指利用已有的大气传输模型和地表反射率模型，通过数值方法来进行遥感图像的辐射定标。
3.应用辐射定标的应用主要包括地球观测卫星的遥感数据处理、遥感影像的信息提取、环境变化分析和生态监测等领域。
利用辐射定标后的遥感数据可以更准确地获取地表反射率、地表温度和大气成分等信息，从而为环境监测、资源管理和灾害预警提供更为可靠的数据支持。
二、大气校正1.基本原理大气校正是指利用大气传输模型和辐射传输方程，对遥感数据进行修正，消除大气对遥感图像的干扰和影响，还原地物表面的真实辐射亮度。
大气校正主要考虑大气吸收、散射和反照，以及大气对太阳辐射的衰减和地表反射率的影响。
2.方法大气校正的方法主要包括模型校正和经验校正。
其中，模型校正是指利用大气传输模型和辐射传输方程，对遥感数据进行数值计算，得到校正系数，进而进行大气校正。
经验校正是指利用多源遥感数据、气象数据和地面监测数据，结合统计模型和经验模型，对遥感数据进行修正，消除大气干扰。
大气校正python大气校正是一种用于消除大气对遥感图像影响的处理方法。
在Python中，可以使用一些开源库来实现大气校正，例如：1. Atmospheric Correction Toolkit (ACT)2. PyAtmosphere3. Aerosol Remote Sensing Product (ARSP)以下是使用PyAtmosphere库进行大气校正的示例代码：import numpy as npimport pyatmosphere as pa# 读取遥感图像数据image = np.load('image.npy')# 定义大气模型aod = pa.AtmosphericModel('Maritinez', 'daytime', 0.1, 10000, 1000)# 进行大气校正corrected_image = aod.correct(image)# 保存校正后的图像数据np.save('corrected_image.npy', corrected_image)在这个示例中，首先使用NumPy库读取遥感图像数据，然后定义一个大气模型，使用PyAtmosphere库中的AtmosphericModel类来指定大气模型类型、时间、海拔高度、温度和压力等参数。
接下来，使用大气模型的correct方法对遥感图像进行校正，得到校正后的图像数据。
最后，使用NumPy库将校正后的图像数据保存为二进制文件。
需要注意的是，这个示例中使用的PyAtmosphere库是专门针对大气校正的库，提供了许多常用的大气模型和算法。
在实际应用中，可以根据具体情况选择适合的大气模型和算法来进行大气校正。
⼤⽓校正的⽬的及各个步骤的意义
遥感所利⽤的各种辐射能均要与地球⼤⽓层发⽣相互作⽤、散射、吸收，⽽使能量衰减，并使光谱分布发⽣变化。
⼤⽓的衰减作⽤对不同波长的光是有选择性的，因⽽⼤⽓对不同波段的图像的影像是不同的。
另外，太阳-⽬标-遥感器之间的⼏何关系不同，则所穿越的⼤⽓路径长度不同，使图像中不同地区地物的像元灰度值所受⼤⽓影响程度不同，且同⼀地物的像元灰度值在不同获取时间所受⼤⽓影响程度也不同。
⼤⽓校正的⽬的是消除⼤⽓和光照等因素对地物反射的影响，⼴义上讲获得地物反射率、辐射率或者地表温度等真实物理模型参数；狭义上是获取地物真实反射率数据。
⽤来消除⼤⽓中⽔蒸⽓、氧⽓、⼆氧化碳、甲烷和臭氧等物质对地物反射的影响，消除⼤⽓分⼦和⽓溶胶散射的影响。
⼤多数情况下，⼤⽓校正同时也是反演地物真实反射率的过程。
结果对⽐
在快速⼤⽓校正中涉及DN值→辐射定标→⼤⽓校正等步骤，这个过程的数据也是在不断变化
这些过程或者名词都有那些意义？
⾸先，DN值是⼀个较⼤的数值，它是遥感影像像元亮度值，记录的地物的灰度值。
⽆单位，是⼀个整数值，值⼤⼩与传感器的辐射分辨率、地物发射率、⼤⽓透过率和散射率等有关。
辐射定标的过程是将DN值转化为实际物理意义的⼤⽓顶层辐射亮度或反射率。
辐射定标的原理是建⽴数字量化值与对应视场辐射定标
中辐射亮度值之间的定量关系，以消除传感器本⾝产⽣的误差。
⼤⽓校正时⼜将定标值还原为地表真实信息，并能⾼保真地恢复地物波谱信息
⼤⽓校正。
ENVIFLAASH大气校正常见错误及解决方法
本文汇总了ENVI FLAASH大气校正模块中常见的错误，并给出解决方法，分为两部分：运行错误和结果错误。
前面是错误提示及说明，后面是错误解释及解决方法。
FLAASH对输入数据类型有以下几个要求：
1、波段范围：卫星图像：400－2500nm，航空图像：860nm-1135nm。
如果要执行水汽反演，光谱分辨率<=15nm，且至少包含以下波段范围中的一个：
l1050-1210 nm
l770-870 nm
l870-1020 nm
2、像元值类型：经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。
3、数据类型：浮点型（Floating Point）、32位无符号整型（Long Integer）、16位无符号和有符号整型（Integer、Unsigned Int)，但是最终会在导入数据时通过Scale Factor转成浮点型的辐射亮度（μW）/（cm2*nm*sr）。
4、文件类型：ENVI标准栅格格式文件，BIP或者BIL储存结构。
5、中心波长：数据头文件中（或者单独的一个文本文件）包含中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM），这两个参数都可以通过编辑头文件信息输入（Edit Header）。
运行错误
1.Unable to write to this file.File or directory is invalid or unavailable。
没有设置输出反射率文件名。
解决方法是单击Output Reflectance File按钮，选择反射率数据输出目录及文件名，或者直接手动输入。
2.ACC Error：convert7
IDL Error：End of input record encountered on file unit:0.
平均海拔高程太大。
注意：填写影像所在区域的平均海拔高程的单位是km：Ground Elevation（Km）。
3.ACC error：avrd:
IDL error：Unable to allocate memory:to make array
Not enough space
ACC_AVRD
为了能处理大数据，ENVI采用分块计算的方式，这个提示是分块（Tile）太大了。
在高级设置里面（Advanced Settings），tile size：它默认是File-> preferences ->miscellaneous:cache的大小，这个值正常是1~4Mb（0背景很少的情况下）;如果0背景较多，这个值还是需要设置大一些，比如100~200m。
4. ACC error:avrd:No nonblank pixels found
IDL error:
OPENR: Error opening file. Unit: 100,
为了能处理大数据，ENVI采用分块计算的方式，当Tile设置太小，而且有背景值（0），就会出现一个Tile中全部为0的情况，提示这个错误信息。
在高级设置里面（Advanced Settings），tile size：设置稍微大一些，如100~200M 等。
5. ACC error:lsmooth2:
IDL error:
ACC_LSMOOTH2:Cannot continue with smoothing calculation
ENVI的FLAASH提供领域纠正功能，但是MODIS、AVHRR等图像分辨率比较低，领域效应区分不出来。
解决方法是在在高级设置里面（Advanced Settings），将领域纠正（Use Adjacency Correction）设置为No。
6. ACC error:modrd5:Nonfinite numbers in coefficient array
coef<?xml:namespace prefix = o ns =
"urn:schemas-microsoft-com:office:office" />
IDL error:
CDRIVER4V3R2:>>>Wait for MODTRAN4 calculation to finish…
提示传入MODTRAN模型参数有误，常常是由于太阳高度角太小或者太大引起的。
提示这个错误之前会出现以下提示框。
解决方法是确认填写的影像中心位置经纬度信息（西经为负数、南纬为负数）、影像成像时间（格林威治时间）是否正确。
7.Problem:The FLAASH program exited with the following errors:
ACC error: modrd5:reading archieve file header
IDL error:
READU:End of file encountered. Unit: 102, File:
C:Users\administrator\AppData\Local\Temp\acc_modroot.fla
ACC_MODRD5
ACC_KTAEROSOL
ACC_HYPER2
ACC_ACC
ENVI_ACC_EVENT
ENVI_FLAASH_PROCESS_MANAGER
IDLRTMAIN
$MAIN$
在高级设置里面（Advanced Settings），tile size设置太大，根据内存情况设置小一点的值。
tile size的默认值是file->preference中cache size大小。
结果错误
1.结果中某一个波段或者多个波段全部为0或者负值
主要产生的原因是输入的辐射亮度数据值偏小。
可能有以下几种情况：
(1)在传感器定标的时候选择的是表观反射率（Reflectance）而不是辐射率数据（Radiance）；
(2)没有做传感器定标，即没有将DN值转换为辐射率数据；
(3)选择了错误的波谱响应函数；
(4)用BandMath做了辐射亮度的单位换算，在FLAASH中导入辐射亮度数据时，Scale Factor选择的不是1.0000。
2.结果中极大值、极小值非常多，也就是0~10000之外的值。
当选择RGB假彩色显示的时候，出现花花绿绿的情况。
辐射定标得到的辐射率数据单位与FLAASH要求的单位不一样。
可能有以下几种情况：
(1)用BandMath做了辐射亮度的单位换算，在FLAASH中导入辐射亮度数据时，Scale Factor选择的不是1.0000。
(2)没有做单位换算。
3.结果中部分像元为负值
这个属于正常现象。
FLAASH是采用MODTRAN辐射传输模型模拟成像中的大气过程，而且很多大气属性都是通过图像来估算，加上大气组成的非均一性，即使MODTRAN4模型精度很高，也不能完全表达大气辐射传输的真实状况。
当影像上有强吸收或者高反射地物时候，就会出现部分像元为负值（如深水、高密度）或者大于10000。
解决方法可以手动修改，如用周围的像元的平均值代替，可以使用ENVI下的The DEM Editing Tool工具。
4.结果图像以RGB显示比原图像视觉效果要差，如模糊。
这个需要了解下遥感软件RGB显示机制。
遥感软件为了让遥感图像显示更加“艳丽”，方便解译，默认会对图像进行拉伸显示，一般是2%的线性拉伸。
也就是我们常常会看到图像值有两个，一个是Scrn值，也就是拉伸之后的显示值，一个是Data值，也就是原始的图像DN值。
另外一个方面，目前我们的RGB加色法显示都是基于8bit显示，也就是0~255。
FLAASH大气校正之后的结果是16bit的整型，而且存在一些极小、极大值，这些对直方图整体形状有一定的影响，影响拉伸效果。
解决方法是利用ENVI下的Interactive stretching工具，选择有效值范围进行拉伸。
还有一种情况是校正图像有很多背景值，比如经过几何校正的整景TM影像。
背景及图像边缘处的像元在大气校正之后变成负值或者0值，由于这样的像元数量多，对图像的整体拉伸影响很大。
解决方法就是将这些像元掩膜掉，如在ROI Tool中，利用Option->Band Threshold to ROI建立一个ROI进行图像裁剪。
5.结果图像为什么像元值大多是大于1 ENVI FLAASH考虑到数据储存和后续处理，将大气校正得到的反射率结果乘以10000变成16bit整型。
如果想让反射率结果在0~1范围，可用BandMath，表达式为b1/10000.0。
